Una empresa de Google classifica com a benignes o malignes 63 milions de mutacions humanes

"Em van diagnosticar quan tenia dos anys. Si es deixa passar el temps, la crisi pot tenir conseqüències algunes vegades greus. Per exemple, atacar els ossos i causar necrosi o, si afecta el sistema cardiovascular, es pot arribar a patir un ictus". El servei de notícies de l’Hospital Sant Joan de Déu recollia fa unes setmanes aquestes paraules d’una pacient de la malaltia genètica coneguda com a anèmia de cèl·lules falciformes, una afecció que deforma els glòbuls vermells i fa que no circulin correctament. Afecta més de quatre milions de persones a tot el món, la majoria a l’Àfrica subsahariana, i provoca més de 100.000 morts cada any.

Classificar 71 milions de mutacions

Hi ha més de 10.000 malalties provocades per canvis o mutacions en un sol gen. En alguns casos, només hi ha un canvi en una de les 3.055 milions de lletres químiques que té una cèl·lula i que contenen les seves instruccions de funcionament. Aquestes mutacions, anomenades missense en anglès (mutacions de sentit erroni), fan que la cèl·lula fabriqui proteïnes lleugerament diferents que no realitzaran correctament la seva funció i donaran lloc a una malaltia. És com si el canvi d’una lletra modifiqués del tot el sentit d’una frase. No és el mateix desitjar "Sort a tothom" que "Mort a tothom".

Una persona qualsevol té prop de 9.000 mutacions de sentit erroni dels 71 milions que es poden produir. La immensa majoria no tenen cap efecte, però algunes són responsables de malalties com l’anèmia de cèl·lules falciformes. Fins ara, s’han detectat 4 milions d’aquestes mutacions. Identificar-les i esbrinar quines conseqüències tenen en el funcionament del cos és de gran utilitat per a la medicina, però també és una feinada. Per això només el 2%, és a dir, 80.000, s’han pogut classificar fins ara en mutacions benignes i malignes o patogèniques. Això equival al 0,1% de totes les mutacions de sentit erroni possibles.

L’empresa DeepMind, que pertany a Google, acaba de publicar en un article a la revista Science una classificació del 89% d’aquestes mutacions en potencialment benignes o malignes. El catàleg s’ha obtingut amb un model d’intel·ligència artificial anomenat AlphaMissense, basat en el model anterior AlphaFold, que predeia la forma (i, per tant, la funció) de les proteïnes a partir de la seva composició, un dels problemes clau de la biologia molecular. Les prediccions del model s’han contrastat amb les dades genètiques recollides pel Servei Nacional de Salut del Regne Unit i s’ha vist que són encertades en un 90% dels casos estudiats. Segons el model, el 32% de les mutacions de sentit erroni serien potencialment patogèniques i el 57%, benignes.

Eina de diagnosi

"Tot i que les nostres prediccions no estan dissenyades perquè s’utilitzin directament en la pràctica clínica —s’haurien d’interpretar conjuntament amb altres proves—, aquest treball té el potencial de millorar el diagnòstic de malalties genètiques rares i ajudar a descobrir nous gens causants de malalties", ha expressat DeepMind en un comunicat.

"Comprovar la precisió d’aquests models i establir les millors pràctiques per utilitzar-los és un repte obert i una àrea molt activa de recerca", explica Mafalda Días, investigadora experta en aprenentatge automàtic i genòmica al Centre de Regulació Genòmica (CRG). "A l’article es fan uns bons primers passos, però per fer-ne un ús segur cal que investigadors independents facin més proves", afegeix.

"Hi ha bones raons per pensar que AlphaMissense fa bones prediccions i, per això, pot tenir un gran impacte tant en la recerca biomèdica bàsica com en el diagnòstic, particularment pel que fa a les malalties rares", valora Jonathan Frazer, investigador expert en aprenentatge automàtic i genòmica al Centre de Regulació Genòmica (CRG).

Ara bé, una cosa és identificar les mutacions que provoquen una malaltia i una altra és desenvolupar un tractament. A parer de Días, "AlphaMissense és un gran exemple del tipus de contribucions que podem fer els biòlegs computacionals per millorar la pràctica clínica, però encara s’ha de fer molta feina per assegurar la fiabilitat de les prediccions i entendre els mecanismes moleculars de les malalties, que són requisits essencials per desenvolupar nous fàrmacs".

Compartir el coneixement

DeepMind ha fet pública la classificació de les més de 63 milions de mutacions en potencialment benignes o malignes, així com el codi del model AlphaMissense abans d’estar entrenat, és a dir, en un estadi anterior al de poder fer la classificació amb un 90% de fiabilitat. "No tinc cap dubte que en podem aprendre moltes lliçons —diu Frazer—, però no fent públic el model entrenat la contribució d’aquest treball a la ciència bàsica és una fracció molt petita del que podria ser". "La comunitat acadèmica —afegeix— ha fet passos enormes perquè els seus models estiguin disponibles per a tothom, un aspecte crucial per poder reproduir els resultats i, en general, per al progrés científic". "És trist veure que DeepMind va en direcció contrària", rebla.